从今天的日期中减去 pandas Dataframe 值答案

【问题标题】：Subtracting pandas Dataframe values from today's date从今天的日期中减去 pandas Dataframe 值
【发布时间】：2018-04-27 17:52:30
【问题描述】：

我有一个如下所示的数据框：

Name  A    B    C
D1    1    3    3
D2    2    4    4
D3    2    1    1

如何创建一个大小相同的新数据框，其中每个值都是今天的日期减去我的第一个数据框的值？

例如，如果今天是 2018-04-27，我的新数据框将如下所示：

Name  A             B             C  
D1    2018-04-26    2018-04-24    2018-04-24
D2    2018-04-25    2018-04-23    2018-04-23
D3    2018-04-25    2018-04-26    2018-04-26

我认为解决方案将包括类似

df2.iloc[1,1] = datetime.today() - timedelta(days=df1[1,1])

但我在循环原始 df 时遇到了各种类型错误和问题

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

import datetime as dt
from datetime import timedelta
import pandas as pd

df = pd.DataFrame({'Name':['D1','D2','D3'],'A':[1,2,2],'B':[3,4,1],'C':[3,4,1]})
df.set_index('Name', inplace=True)
df2 = df.applymap(lambda x: dt.date.today() - timedelta(days = x))

df2 
                   A           B           C
    Name
    D1    2018-04-26  2018-04-24  2018-04-24
    D2    2018-04-25  2018-04-23  2018-04-23
    D3    2018-04-25  2018-04-26  2018-04-26

Applymap 是您要使用的内容

编辑：添加导入以避免日期时间导入问题，如 here 所示

【讨论】：

不错！如果要避免导入datetime，也可以使用这个lambda：lambda x: pd.to_datetime('today') - pd.to_timedelta(str(x)+'d'))
@sacul 最好不要使用 applymap ，我担心速度:-(

【解决方案2】：

最好不要使用applymap

df.set_index('Name', inplace=True)

pd.to_datetime('today').date()-df.apply(pd.to_timedelta,unit='d')
Out[428]: 
               A           B           C
Name                                    
D1    2018-04-26  2018-04-24  2018-04-24
D2    2018-04-25  2018-04-23  2018-04-23
D3    2018-04-25  2018-04-26  2018-04-26

【讨论】：

【解决方案3】：

您可以展平 DataFrame 的值，以便将它们传递给 pd.to_timedelta()。这使您无需使用.applymap() 或.apply()：

today = pd.to_datetime(dt.date(2018, 4, 27))
deltas = pd.to_timedelta(df.values.flatten(), unit='d')
df2 = pd.DataFrame(np.reshape((today - deltas).values, df2.shape),
                   index=df.index, columns=df.columns)

结果：

>>> df2
              A          B          C
Name                                 
D1   2018-04-26 2018-04-24 2018-04-24
D2   2018-04-25 2018-04-23 2018-04-23
D3   2018-04-25 2018-04-26 2018-04-26

>>> df2.dtypes
A    datetime64[ns]
B    datetime64[ns]
C    datetime64[ns]
dtype: object

【讨论】：